机器学习
机器学习
Zzzyyp
这个作者很懒,什么都没留下…
展开
-
频繁子图挖掘算法
频繁子图挖掘算法:频繁子图挖掘算法是一种思路简单,以递归计数为基础,就可以挖掘出所有频繁子图的计算方法。子图挖掘的目的是在一组图(图形数据库)中发现有用的模式(多个图共有的子图)。在一组图中查找频繁子图在一组图中查找频繁子图的做法称为频繁子图挖掘。作为输入者,用户必须提供:图数据库(一组图)一个称为最小支持阈值的参数(minsup)如何设置minsup参数?在实际应用中,一般是通过试错法来确定参数。如果此参数设置得太高,则会找到很少的子图,而如果设置得太低,则会根据输入数据库找到数百万的子原创 2020-09-21 20:30:07 · 3645 阅读 · 1 评论 -
GCN:图卷积神经网络
欧几里得数据(Euclidean domains data):具有规则的空间结构,如图片是规则的正方形,语音是规则的一维序列等,这些特征都可以用一维或二维的矩阵来表示。非欧几里得数据(Non Euclidean data):不具备规则的空间结构1.CNN:卷积神经网络卷积神经网络(Convolutional Neural Networks, CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks),是深度学习(deep learning)的代表算原创 2020-08-21 21:01:21 · 2177 阅读 · 0 评论 -
基于K-Means聚类算法对NBA球员数据的聚类分析
聚类分析的研究成果主要集中在基于距离(或者称为基于相似度)的聚类方法,用距离来作为相似性度量的优点是十分直观,从我们对物体的识别角度来分析,同类的数据样本是相互靠近的,不同类样本应该相聚较远。K-Means聚类算法是划分聚类方法中最常用、最流行的经典算法,许多其他的算法都是K-Means聚类算法的变种。其主要思想是通过迭代过程将数据集划分为不同类别,使评价聚类性能的准则函数达到最优,使生成的每个聚类类内紧凑,类间独立。 本文介绍并实践了一种无监督的聚类算法——K-Means聚类,结合“簇内离差平方和原创 2020-07-30 11:36:22 · 6211 阅读 · 30 评论